填料塔液泛預測的深度學習建模研究.pdf

1、填料塔廣泛應用于化工行業(yè)的精餾、傳熱等操作單元中。通常，將填料塔的運行狀態(tài)接近（但不超過）液泛點可提高其生產(chǎn)效率。但是，一旦發(fā)生液泛則會導致填料塔低效運行，甚至會迫使整條生產(chǎn)線停工。因此，針對填料塔液泛有效的在線監(jiān)測可以保障填料塔的高效安全運行。
　　本文首先綜述了填料塔液泛監(jiān)測的傳統(tǒng)方法，將深度學習應用于填料塔重要過程信息的特征提取中，以有效分析液泛現(xiàn)象。為了更好提取過程變量和數(shù)字圖像中的不同信息，提出在線監(jiān)測填料塔液泛的深度學

2、習復合模型。最后，通過辨識填料塔的不同狀態(tài)，實現(xiàn)模型的在線監(jiān)測。本文的主要工作與創(chuàng)新點如下:
　　(1)針對傳統(tǒng)液泛模型提取過程數(shù)據(jù)重要特征的不足，將深度置信網(wǎng)絡(DBN，Deep Belief Network)應用于填料塔液泛預測。針對噪聲大且非線性強的過程數(shù)據(jù)，提出一種自適應深度置信網(wǎng)絡(ADBN，Adaptive DBN)，使其能自主選擇參數(shù)以高效率的完成模型訓練。實驗表明ADBN模型在特征提取及液泛預測的能力較傳統(tǒng)模型更具